Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarTG: @data_secrets (Data Secrets)→ original

Google lanza Genie 4: un modelo que genera un mundo con sonido y diálogos en tiempo real

Google ha lanzado Genie 4, un modelo que crea en tiempo real un mundo interactivo en el que se puede actuar como en un videojuego. Junto con la imagen se generan la música, el ruido de fondo y los diálogos de los personajes, que se adaptan a las acciones del jugador. La escena puede modificarse sobre la marcha con indicaciones de texto, por ejemplo activando la lluvia o añadiendo personajes. Para los desarrolladores de robots y agentes, es un terreno de pruebas virtual en el que no hay que montar las comprobaciones a mano. El modelo combina varias piezas: Gemini Omni se encarga del aspecto realista del mundo y de su comportamiento; Gemini 3.8 Flash actúa como agente, planifica los pasos y reajusta el plan cuando hace falta. En la demostración, el humanoide Apollo, de Apptronik, juega a las damas dentro del mundo generado.

Procesado por IA desde TG: @data_secrets (Data Secrets); editado por Hamidun News
Google lanza Genie 4: un modelo que genera un mundo con sonido y diálogos en tiempo real
Fuente: TG: @data_secrets (Data Secrets). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @data_secrets (Data Secrets) ↗
Editor jefe
Dato clave #1Gemini Omni se encarga del aspecto realista del mundo y de su comportamiento;
Dato clave #2otros modelos vigilan la coherencia de la simulación, para que el mundo no se desmorone durante la acción;
Dato clave #3Gemini 3.8 Flash actúa como agente dentro del bucle, una especie de cerebro del sistema.

Google ha lanzado Genie 4, la nueva generación de su «modelo del mundo». Así se denomina a la red neuronal que crea en tiempo real un entorno interactivo: en él se puede moverse, cambiar cosas y recibir una reacción, como en un videojuego. En Genie 4, el mundo llega con sonido: la música, el ruido ambiental e incluso las réplicas de los personajes se generan junto con la imagen, y las réplicas se adaptan a las acciones del usuario. La versión anterior salió hace más de un año, en agosto de 2025, y en la nueva Google ha puesto el énfasis en el realismo, la multimodalidad, una física mejorada y la interactividad.

¿Para qué sirve esto en la práctica? Imagine que hay que comprobar cómo se comportará un robot o un agente de IA en cien situaciones: en la calle con lluvia, en una habitación con personas desconocidas, en un espacio donde de repente aparece un objeto nuevo. Montar estas escenas a mano lleva mucho tiempo y es caro. Genie 4 propone otro camino: describir la situación con palabras y obtener un entorno en el que el sistema tiene que actuar.

Un mundo con sonido y réplicas vivas

Lo primero que llama la atención es el sonido. Los generadores de mundos anteriores producían sobre todo imagen, y la banda sonora había que añadirla por separado. Aquí la música, el ruido ambiental y los diálogos se crean al mismo tiempo que el vídeo. Las réplicas no están grabadas de antemano: si se acerca usted a un personaje o hace algo en la escena, la respuesta lo tendrá en cuenta.

Lo segundo es la dirección sobre la marcha. La escena puede modificarse con indicaciones de texto mientras se trabaja: cambiar el tiempo, añadir personajes u objetos. En la práctica se parece a un motor de juego en el que, en lugar de un editor de niveles, se escribe lo que se quiere ver.

Cómo funciona por dentro

Debajo del capó trabaja un conjunto de varios modelos Gemini, cada uno con su papel:

  • Gemini Omni se encarga del aspecto realista del mundo y de su comportamiento;
  • otros modelos vigilan la coherencia de la simulación, para que el mundo no se desmorone durante la acción;
  • Gemini 3.8 Flash actúa como agente dentro del bucle, una especie de cerebro del sistema.

El papel de este último se entiende mejor con un ejemplo. Supongamos que se fija el objetivo de «organizar una fiesta en el patio». El agente divide el objetivo en pasos, comprueba si se han cumplido y reajusta el plan si, a mitad de la escena, usted decide que la velada debe ser lluviosa y que han llegado más invitados. Así, el mundo sigue un plan que se puede cambiar en cualquier momento, y los fotogramas se mantienen coherentes entre sí.

Qué aporta a desarrolladores y responsables de producto

Según Google, en estos entornos se pueden probar robots y agentes. Para la demostración, la compañía mostró al humanoide Apollo, de Apptronik, jugando a las damas dentro de un mundo generado. En lugar de un costoso campo de pruebas físico o de una configuración manual del simulador, el escenario se define con texto.

De todo ello se pueden extraer varias conclusiones:

  • Las pruebas de agentes se trasladan poco a poco a entornos generativos: los escenarios se crean y se modifican con texto, sin desarrollar un simulador aparte.
  • El sonido y los diálogos dentro de la propia simulación abren la puerta a comprobar asistentes de voz y multimodales en condiciones más realistas.
  • El esquema «modelo artista, modelos controladores y agente planificador» es una buena referencia para los sistemas propios: separar los roles ayuda a mantener la integridad en una sesión larga.

Qué queda por comprobar

De momento es un anuncio y una demostración. Las damas son un escenario ilustrativo, pero simple, con reglas claras. Para pruebas serias de robots importa hasta qué punto la física del mundo generado coincide con la real, cuánto tiempo mantiene el mundo su coherencia, con qué latencia responde a las acciones y si se puede repetir el mismo escenario para comparar versiones del agente. De las respuestas a estas preguntas dependerá que Genie 4 se convierta en una herramienta de pruebas operativa o se quede como un escaparate espectacular.

La dirección, en cualquier caso, está clara: Google apuesta por la simulación como plataforma en la que se entrenan y verifican los agentes y robots del futuro. Quienes construyen estos sistemas deberían seguir la disponibilidad de Genie 4 y compararla con los simuladores habituales. Los detalles se han publicado en el blog de Google DeepMind.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Un mundo con sonido y réplicas vivas?

Lo primero que llama la atención es el sonido. Los generadores de mundos anteriores producían sobre todo imagen, y la banda sonora había que añadirla por separado. Aquí la música, el ruido ambiental y los diálogos se crean al mismo tiempo que el vídeo. Las réplicas no están grabadas de antemano: si se acerca usted a un personaje o hace algo en la escena, la respuesta lo tendrá en cuenta. Lo segundo es la dirección sobre la marcha.

Cómo funciona por dentro?

Debajo del capó trabaja un conjunto de varios modelos Gemini, cada uno con su papel: Gemini Omni se encarga del aspecto realista del mundo y de su comportamiento; otros modelos vigilan la coherencia de la simulación, para que el mundo no se desmorone durante la acción; Gemini 3.8 Flash actúa como agente dentro del bucle, una especie de cerebro del sistema. El papel de este último se entiende mejor con un ejemplo. Supongamos que se fija el objetivo de «organizar una fiesta en el patio».

¿Qué se sabe sobre Qué aporta a desarrolladores y responsables de producto?

Según Google, en estos entornos se pueden probar robots y agentes. Para la demostración, la compañía mostró al humanoide Apollo, de Apptronik, jugando a las damas dentro de un mundo generado. En lugar de un costoso campo de pruebas físico o de una configuración manual del simulador, el escenario se define con texto.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…